数字图像

【iOS ARKit】人脸检测追踪基础

人脸检测基础人脸检测（FaceDetection）是利用计算机视觉处理技术在数字图像或视频中自动定位人脸的过程，
不凡的凡·2024-01-26 06:20

数字图像处理：图像内插

图像内插内插通常在图像放大、缩小`旋转和几何校正等任务中使用。内插是用已知数据来估计未知位置的值的过程°下面用—个简单的例子开始这—主题的探讨。假设大小为500×500像素的—幅图像要放大1.5倍即放大到750×750像素。一种简单的放大方法是，创建—个大小为750×750像素的假想网格’网格的像素间隔完全与原图像的像素间隔相同,然后收缩网格’使它完全与原图像重叠。显然’收缩后的750×750网格
Persus·2024-01-25 19:10

matlab数字图像处理初级入门

首先使用imread函数读入一个图像，读入成功；赋值给A，A成为一个矩阵；size按资料是查看A的大小；精简版不支持；使用whosA查看A的信息，如下；输入A，回车，查看A的数据；这是图像包含的数据；imshow，显示图像；精简版不支持；figure，新开一个窗口；可以在新窗口显示图像；但精简版不支持imshow；画图像直方图,imhist；精简版不支持；旋转图像，之后赋值给B;45是角度；第三个
bcbobo21cn·2024-01-25 14:28

复现论文Seam carving for content-aware image resizing

我在原论文介绍的方法根据自己对于数字图像处理的一些经验
Q_pril·2024-01-25 10:36

数字图像处理（实践篇）二十八 使用OpenCV Python中的K-means对图像进行颜色量化处理

目录1颜色量化2实践在某些时候，不可避免的某些设备只能生成有限数量的颜色。因此需要执行颜色量化。选择使用cv2.kmeans()函数对颜色量化应用k-means聚类。1颜色量化使用K-means聚类在图像中实现颜色量化的步骤如下：①导入依赖库
Jackilina_Stone·2024-01-25 06:49

计算机视觉有什么发展方向

计算机视觉（ComputerVision）是一门研究如何让计算机能够理解和分析数字图像或视频的学科。简单来说，计算机视觉的目标是让计算机能够像人类一样对视觉信息进行处理和理解。
人工智能技术与咨询·2024-01-24 10:44

数字图像处理（实践篇）二十六 使用cvlib进行人脸检测、性别检测和目标检测

目录1安装cvlib2涉及的函数3实践4其他cvlib一个简单，高级，易于使用的开源Python计算机视觉库。1安装cvlib#安装依赖pipinstallopencv-pythontensorflow#安装cvlibpipinstallcvlib</
Jackilina_Stone·2024-01-24 06:57

Python OpenCV6：OpenCV 直方图

1.图像直方图图像直方图是一种用于表示数字图像中亮度分布的方法，绘制了图像中每个亮度值对应的像素数。在这个直方图中，横坐标左侧是较暗的区域，右侧是较亮的区域。
ZhaoXiangmoStu·2024-01-23 08:21

彩色图像处理之彩色图像直方图处理的python实现——数字图像处理

彩色图像的直方图处理是一种重要的图像处理技术，用于改善图像的视觉效果，增强图像的对比度，或为后续的图像处理任务（如图像分割、特征提取）做准备。彩色图像通常由红色（R）、绿色（G）、蓝色（B）三个颜色通道组成，因此彩色图像的直方图处理相比单色图像更为复杂。直方图的构建：首先，对于彩色图像的每个颜色通道（R、G、B），分别计算其直方图。直方图是一个图表，显示了每个像素强度值（通常是0-255）在图像中
筱筱西雨·2024-01-23 07:03

图像取证:源识别和伪造检测(Image Forensics: source identification and tampering detection) 续2

中文翻译：xizero00常熟理工学院(CSLG)下一代互联网实验室NGIL在翻译的过程中遇到很多不懂的知识点，同时也恶补了相关的知识，包括《数字图像处理》，《统计学习基础》，《机器学习》TomMitchell
c2a2o2·2024-01-23 06:57

OpenCV实践（2）- 矩阵的掩码操作

1描述在对数字图像进行处理时，我们一般都会在空间域（spatialdomain）或者频域（frequencydomain）中进行。
tupelo-shen·2024-01-21 15:16

Mat - 基本映像容器

目标我们有多种方法可以从现实世界中获取数字图像：数码相机、扫描仪、计算机断层扫描和磁共振成像等等。在每种情况下，我们（人类）看到的都是图像。
人工智能小豪·2024-01-21 15:41

数字图像处理期末速成笔记

目录一、基础知识二、相邻像素间基本关系三、图像增强方法1、直方图求解2、直方图均衡化3、直方图规定化4、图像平滑5、邻域平均法（线性）6、中值滤波法（分线性）7、中值滤波与领域平均的异同8、4-邻域平滑法9、超限像素平滑法10、灰度最相近的K个邻点平均法11、3*3模板中值滤波四、图像锐化1、微分法（梯度算子）2、微分法（Roberts算子）3、微分法（sobel算子）五、腐蚀与膨胀1、腐蚀2、膨
我先去打把游戏先·2024-01-21 13:43

RGB图像转换为HIS彩色模型的python实现——数字图像处理

原理RGB图像：RGB图像就是常见的数字图像,它采用红色®、绿色(G)、蓝色(B)三原色的强度来表示每个像素的颜色信息。
筱筱西雨·2024-01-21 09:12

RGB全彩色到RGB稳定色的转换的python实现—— 数字图像处理

原理将RGB全彩色转换为RGB稳定色涉及到对颜色空间的理解和操作。RGB全彩色是指在RGB颜色模型中，可以通过组合红色、绿色和蓝色这三种颜色的不同强度来生成各种颜色。而RGB稳定色通常指的是一组在特定环境下表现出视觉稳定性的颜色，这些颜色在不同的显示设备或不同的观看条件下保持一致的视觉效果。原理主要包含以下几点颜色校正:考虑到不同显示设备（如显示器、打印机等）有不同的颜色表现能力，颜色校正是确保在
筱筱西雨·2024-01-21 09:42

信号处理专题设计-基于边缘检测的数字图像分类识别

目录一、实验目的二、实验要求三、实验原理1.卷积神经网络（CNN）模型2.边缘检测3.形态学操作4.鲁棒性四、实验过程1.数据预处理2.网络的构建3.模型的训练4.边缘检测和形态学操作相关代码5.模型训练结果6.关键信息的保存五、实验测试与评估1.鲁棒性测试2.可扩展性（1）网络模型的可扩展性（2）优化器的可扩展性（3）边缘检测函数的可扩展性（4）超参数调节扩展性3.准确性测试（1）形态学操作（2
长安er·2024-01-21 09:11

彩色图像处理之伪彩色图像处理的python实现——数字图像处理

原理伪彩色图像处理是一种多源信息融合的可视化方法。处理对象:伪彩色图像处理的对象是多波段遥感图像,例如近红外带、红外带和可见光图像等。原理:选择不同波段的原始图像作为新的三原色通道(如近红外为红色通道),按RGB模式合成伪彩色图像。目的:利用不同波段信息融合,实现多源数据的可视化表达。特点:合成后的颜色不代表真实颜色,但能突出目标特征和反映多波段信息。处理步骤步骤:1预处理每个波段图像,如增强、匹
筱筱西雨·2024-01-21 09:37

【遥感数字图像处理（朱文泉）】第三章 空间域处理方法

遥感数字图像处理空间域处理方法31空间域处理方法概述一、空间域与变换域二、常见数字图像空间域处理方法32数值运算：单波段点运算一、线性点运算二、分段线性点运算三、非线性点运算33数值运算：单波段邻域运算一
甜子yu·2024-01-21 07:45

JAVA图像处理系列(三)——边缘提取

什么是边缘提取边缘提取，指数字图像处理中，对于图片轮廓的一个处理。对于边界处，灰度值变化比较剧烈的地方，就定义为边缘。也就是拐点，拐点是指函数发生凹凸性变化的点。二阶导数为零的地方。
快乐小吧·2024-01-21 01:22

JAVA学习笔记——第四章 运算符

博客主页：A_SHOWY系列专栏：力扣刷题总结录数据结构云计算数字图像处理力扣每日一题_运算符是一种特殊的符号，用于表示数据的运算、赋值和比较算数运算符取模%的本质：a-（int）a/b*b//当a是小数时
A_SHOWY·2024-01-20 16:59

数字图像处理

1.HSI模型：h表示色调，s饱和度，l表示亮度，色调和饱和度2.RGB彩色模型：r红色，g绿色，b蓝色，对应的是xyz轴，每个为8比特，用24比特表示全彩色图像3.边缘检测中抗噪性能应该为：Canny算子>一阶算子（梯度算子）>二阶算子其中一阶算子中：Sobel>Prewitt>Roberts4.图像的去噪即模板化运算(均值滤波，中值滤波，高斯滤波)图像相减可以减低噪声，相乘或相除算计概念常见算
爱学习的机器小冉·2024-01-20 12:45

python 图像处理学习笔记：1

教程地址：http://www.cnblogs.com/denny402/p/5121501.html对比这些包，PIL（现在改名叫Pillow）只提供最基础的数字图像处理，功能有限；opencv实际上是一个
智勇双全的小六·2024-01-19 19:37

数字图像处理知识梳理——5

七、图像分割概念：把图像分解成构成它的部件和对象的过程；定位感兴趣对象在图像中的位置和范围任务：把图像分离成互不交叠的有相同性质的区域评价准则：最终测量精度UMA7.1基于边缘的分割方法：先提取区域边界，在确定边界限定的区域7.1.1边缘检测的对象：灰度或结构不连续的地方7.1.2缺陷用图像数据（二维、三维）表示实际物体（多维）有信息丢失检测出有边缘的地方并不一定是物体实际边界7.1.3边缘检测一
玫瑰窃贼-sc·2024-01-19 13:38

数字图像处理知识梳理——3

四、图像增强G(x,y)=T[f(x,y)]重点在于T的定义：并不以图像保真为准则，突出某些人/机器分析有意义的信息，抑制无用信息4.1空间域4.1.1点运算(针对一个个像素点的运算)灰度运算线性运算：t=T(s)=as+b：根据a,b的取值不同得到不同的处理结果分段线性运算：将感兴趣的灰度范围线性扩展，相对抑制不感兴趣的灰度区域非线性运算对数变换：增强图像暗区域，使得整个图像变亮（低灰度区域扩展
玫瑰窃贼-sc·2024-01-19 13:08

数字图像处理知识梳理——4

五、图像编码与压缩：核心在于找图像的冗余概念：对图像数据按照一定的规则进行变换和组合，从而达到以尽可能少的代码来表示尽可能多的信息性能评价：客观保真度准则（均方误差和均方信噪比）、主观保真度准则5.1图像信息的冗余：编码冗余、像素冗余、视觉心理冗余、结构冗余、时间冗余图像压缩系统的一般组成：信源编码——>信道编码——>信道——>信道译码——>信源译码信源编码：完成原始数据的编码与压缩映射器（解决像
玫瑰窃贼-sc·2024-01-19 13:08

数字图像处理知识梳理——2

三、图像变换3.1图像空域变换几何变换平移、镜像、旋转、放缩、变形、组合变换前两个无信息损失，无像素值的变化，不需要灰度插值；后几个有像素值的变化，需要灰度插值，有信息损失，几何畸变（等比例缩放除外）灰度插值向前映射（平移镜像：由原图像坐标计算出目标图像坐标）和向后映射法（旋转、缩放、变形：由结果图像计算原图像的坐标）最近邻插值优点是计算快，简单，灰度保真性好缺点是块状效应明显（马赛克效应），误差
玫瑰窃贼-sc·2024-01-19 13:08

数字图像处理知识梳理——1

一、绪论：数字图像处理与分析的主要研究包括哪几方面？1.首先对图像进行一个定义：误差允许范围内对一个高维物体的二维成像，是不完全的、不精确的但在某种意义上恰当的描述。
玫瑰窃贼-sc·2024-01-19 13:06

python数字图像处理基础（八）——harris角点检测、图像尺度空间、SIFT算法

目录harris角点检测原理函数图像尺度空间概念局部不变性局部不变特征SIFT算法harris角点检测原理Harris角点检测是一种用于在图像中检测角点的算法。角点是图像中局部区域的交叉点或者突出的特征点。Harris角点检测算法旨在寻找图像中对于平移、旋转和尺度变化具有不变性的角点。该算法通过计算图像中每个像素点的灰度值的变化，来识别角点。具体来说，Harris角点检测通过以下步骤实现：计算图像
_hermit:·2024-01-19 02:15

python数字图像处理基础（九）——特征匹配

目录蛮力匹配（ORB匹配）RANSAC算法全景图像拼接蛮力匹配（ORB匹配）Brute-Force匹配非常简单，首先在第一幅图像中选取一个关键点然后依次与第二幅图像的每个关键点进行（描述符）距离测试，最后返回距离最近的关键点.对于BF匹配器，首先我们必须使用**cv2.BFMatcher()**创建BFMatcher对象。它需要两个可选的参数：normType：它指定要使用的距离测量,默认情况下，
_hermit:·2024-01-19 02:15

python数字图像处理基础（十）——背景建模

目录背景建模背景消除-帧差法混合高斯模型背景建模背景建模是计算机视觉和图像处理中的一项关键技术，用于提取视频中的前景对象。在视频监控、运动检测和行为分析等领域中，背景建模被广泛应用。其基本思想是通过对视频序列中的像素进行建模，找到视频中的静态背景，并将不同的像素标记为背景和前景，从而使后续的对象检测和跟踪更为可靠。前景-感兴趣的、运动的；背景-不变背景消除-帧差法由于场景中的目标在运动，目标的影像
_hermit:·2024-01-19 02:43

图像分割笔记（冈萨雷斯-数字图像处理）

第10章图像分割分割将一幅图像细分为其组成区域或对象。（针对不同问题有不同的细分需求）单色图像分割算法通常基于图像亮度值的两个特性：不连续性（图像边缘）和相似性（相似区域）。1.点、线和边缘检测采用图像掩膜运算（卷积），如图像做的掩膜运算表示如下：3x3掩膜1.1点检测通过掩膜运算，使满足，点检测模板如下：点检测掩膜点检测的要求是：当掩膜的中心位于一个孤立点时，掩膜的响应必须最强，而在亮度不变的区
周安陌·2024-01-18 23:32

计算机视觉未来的走向

计算机视觉（ComputerVision）是一门研究如何让计算机能够理解和分析数字图像或视频的学科。简单来说，计算机视觉的目标是让计算机能够像人类一样对视觉信息进行处理和理解。
人工智能技术与咨询·2024-01-18 22:46

JAVA学习笔记——第二章 JAVA概述

博客主页：A_SHOWY系列专栏：力扣刷题总结录数据结构云计算数字图像处理力扣每日一题_JAVA概述程序：计算机执行操作或者解决问题的一系列有序指令的集合JAVA重要特点1.JAVA是面向对象的（oop
A_SHOWY·2024-01-18 21:30

JAVA学习笔记——第三章 变量

博客主页：A_SHOWY系列专栏：力扣刷题总结录数据结构云计算数字图像处理力扣每日一题_变量变量是程序的基本组成单位，是内存中的一个数据存储空间。变量有三个基本要素：类型+名称+值。
A_SHOWY·2024-01-18 21:27

第6章 现代通信技术

图像信息可以采用模拟或数字的形式进行传送，传送和接收数字图像信号的通信系统就是数字图像通信系统。(1)图像通信的特点①直观性强，图像表示形象直观，易于理解。
Hardworking666·2024-01-18 17:09

基于内容的图像web检索系统

题目：基于内容的图像在线检索系统简介：基于内容的图像在线检索系统（ContentBasedOnlineImageRetrieval,以下简称CBOIR），是计算机视觉领域中关注大规模数字图像内容检索的研究分支
乐心唯帅·2024-01-18 11:09

opencv+python学习记录（十七）阈值分割

一幅图像包括目标物体、背景还有噪声，要想从多值的数字图像中直接提取出目标物体，常用的方法就是设定一个阈值T，用T将图像的数据分成两部分：大于T的像素群和小于T的像素群。
三味菜551·2024-01-18 09:06

python数字图像处理基础（七）——直方图均衡化、傅里叶变换

目录直方图均衡化均衡化原理均衡化效果标准直方图均衡化自适应直方图均衡化傅里叶变换原理低通滤波高通滤波直方图均衡化均衡化原理图像均衡化是一种基本的图像处理技术，通过更新图像直方图的像素强度分布来调整图像的全局对比度。这样做可以使低对比度的区域在输出图像中获得更高的对比度。简单理解：改变图像对比度，让色彩更丰富，灰度值直方图：瘦高->均衡本质上，直方图均衡化的工作原理是:1.计算图像像素强度的直方图2
_hermit:·2024-01-18 08:48

python数字图像处理基础（四）——图像平滑处理、形态学操作、图像梯度

目录图像平滑处理（滤波操作）1.均值滤波blur()2.方框滤波boxFilter()3.高斯滤波GaussianBlur()4.中值滤波medianBlur()形态学操作morphology1.腐蚀操作2.膨胀操作3.开运算cv2.morphologyEx()4.闭运算cv2.morphologyEx()5.梯度运算6.礼帽与黑帽计算图像梯度1.Sobel算子2.Scharr算子3.laplac
_hermit:·2024-01-18 08:48

python数字图像处理基础（五）——Canny边缘检测、图像金字塔、图像分割

目录Canny边缘检测原理步骤图像金字塔1.高斯金字塔2.拉普拉斯金字塔图像分割图像轮廓检测1.检测轮廓2.绘制轮廓3.补充Canny边缘检测梯度是什么?梯度就是变化的最快的那个方向edge=cv2.Canny(image,threshold1,threshold2[,edges[,apertureSize[,L2gradient]]])第一个参数是需要处理的原图像，该图像必须为单通道的灰度图；第
_hermit:·2024-01-18 08:48

python数字图像处理基础（二）——图像基本操作、滑动条、鼠标操作

目录图像读取与显示读取视频与查看属性图像保存保存视频图像属性打印遍历图像的所有像素点的RGB值图像边界填充数值计算图像大小变化图像窗口滑动条的创建和使用鼠标操作importcv2importnumpyasnpimportmatplotlib.pyplotasplt图像读取与显示图像读取cv2.MREAD_COLOR:彩色图像或用1cv2.IMREAD_GRAYSCALE:灰度图像或用0img=cv
_hermit:·2024-01-18 07:12

互联网加竞赛 基于机器视觉的二维码识别检测 - opencv 二维码 识别检测 机器视觉

更多资料,项目分享：https://gitee.com/dancheng-senior/postgraduate1二维码检测物体检测就是对数字图像中一类特定的物体
Mr.D学长·2024-01-18 07:39

【Python数字图像处理】基于LAB空间的图像去阴影方法

目录整体架构流程(1)阴影区域检测①LAB颜色空间②阴影检测③代码(2)阴影去除①在LAB空间上对单独目标区域去除阴影②处理每个阴影区域③代码(3)阴影边缘校正①中值滤波器的实现②调用中值滤波器③代码效果展示①环境图片②文档上的阴影全部代码基于CNN的进阶方法参考文献概要阴影检测和去除是许多计算机视觉应用中的一项重要的预处理任务。在图像分割过程中，阴影可能会产生错误的片段。此外，在对象检测算法中，
Sobe__·2024-01-18 06:59

智能抠图软件一键去除背景

在数字图像处理中，抠图是一项常见的任务，它涉及到将图片中的某个对象与背景分离。如今，随着技术的发展，我们不再需要复杂的软件和专业技能，就可以使用在线工具轻松完成这一任务。
yun132792·2024-01-18 03:54

彩色模型之生成RGB彩色立方体的隐藏面和剖面的python实现（不同通道如何合作以产生不同的颜色）——数字图像处理

原理图像表示：图像通常是由像素组成的二维矩阵。对于彩色图像，通常有三个通道（红、绿、蓝），每个通道都有一个矩阵。颜色空间：RGB（红、绿、蓝）是最常见的颜色空间，其中每个像素由三个分量表示。其他颜色空间包括灰度（只有一个通道表示亮度）、HSV（色相、饱和度、亮度）等。**通道合并与分离：**图像的颜色通道可以合并成一个多通道图像，也可以从多通道图像中分离出各个通道。代码实现下图提示生成3个RGB分
筱筱西雨·2024-01-17 20:35

现代数字图像处理---lena图像处理

实现幂律变换，对lena图像（灰度）进行处理，观察在不同gamma数值下图像的变化和特点。观察lena图像的直方图，实现lena图像的直方图均衡，观察效果。代码及内容展示和分析：1.1选用c*log(x,base)来处理lena的每一个像素，并取不同的参数和底数importcv2ascvimportnumpyasnpimportmathLena=cv.imread(‘lena.jpeg’,0)q=
启程.py·2024-01-17 14:24

数字图像处理-频率域滤波

一、实验原理频率域滤波是对图像进行傅里叶变换，将图像由图像空间转换到频域空间，然后在频率域中对图像的频谱作分析处理，以改变图像的频率特征，原理是用傅里叶变换表示的函数特征完全可以通过傅里叶反变换来重建，而且不会丢失任何信息（因为任何周期或非周期函数都可以表示为不同频率的正弦函数和余弦函数之和的形式）。实际上，空间域滤波和频率域滤波经常是对应的：空间滤波实际上是图像与各种空间滤波器（模板）的卷积，而
孔_·2024-01-17 14:54

9. OpenCV--图像二值化(Binary Image)

一幅图像包括目标物体、背景还有噪声，要想从多值的数字图像中直接提取出目标物体，常用的方法就是设定一个阈值T，用T将图
大厂offer宝典·2024-01-17 08:05

C语言数字图像处理（十）：Otus算法，移动平均和区域生长算法

0.前言这是C语言数字图像处理系列的最后一章。作为这个博客帐户的第一个系列和作品，很高兴看到了一百多位新增的粉丝，也非常感谢大家在这两周陪伴！
Wilson_ZheLIN·2024-01-17 05:08

C语言数字图像处理（六）：低通滤波器和高通滤波器

0.完整仓库&教程：这一章节的完整代码在：Chapter6.LowPassFilterandHighPassFilter如果你喜欢这个系列的文章或者感觉对你有帮助，请给我的仓库一个⭐️。1.低通滤波器1.1理想低通滤波器（IdealLowPassFilter）算法：首先对图像进行二维离散傅里叶变换（这部分的原理可以参考：离散傅里叶变换和重建），得到每个像素的复数数组。每个复数的实部和虚部分别乘以(
Wilson_ZheLIN·2024-01-17 05:37
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他